Почему V4.1-Flash от DeepSeek спровоцировала распродажу акций производителей памяти

Релиз DeepSeek V4.1-Flash заставил рынок усомниться в одном из ключевых допущений ИИ-ралли: будто более мощные модели неизбежно будут требовать всё больше памяти и хранилища на каждую обслуживаемую нагрузку. Реакция инвесторов стала переоценкой именно этого предположения — а не доказательством того, что долгосрочный цикл спроса на память для ИИ завершён.

Что именно изменила DeepSeek

DeepSeek заявила, что модели V4.1-Flash для KV-кэша нужно лишь ¼ объёма высокоскоростной памяти HBM и ⅛ SSD-хранилища по сравнению с предыдущим поколением. Компания отдельно подчеркнула, что стоимость обращений к уже сохранённому кэшу может составлять значительную часть расходов при работе ИИ-агентов. 29

KV-кэш хранит состояние внимания по ранее обработанным токенам. Благодаря этому модели не приходится заново пересчитывать весь предыдущий контекст при продолжении диалога или выполнения задачи. Поэтому объём такого кэша становится важным ограничением при обслуживании инференса — особенно для длинных диалогов и агентных сценариев.

Однако речь не о том, что вся ИИ-система внезапно стала потреблять на 75% меньше HBM или на 87,5% меньше накопителей. Сравнение относится именно к потребностям KV-кэша относительно предыдущей архитектуры DeepSeek. На память и хранилища по-прежнему приходится существенная нагрузка от весов модели, обучения и других компонентов инфраструктуры. 25

Почему под давлением оказались акции памяти и накопителей

Для рынка вывод выглядел простым: если модель может обслуживать сопоставимый объём инференса с гораздо меньшим объёмом кэш-памяти, то тот же парк ИИ-оборудования потенциально сможет поддерживать больше одновременных сессий. Это способно ухудшить краткосрочные ожидания по памяти на одну нагрузку — а значит, и прогнозы спроса и цен на HBM и корпоративные системы хранения.

В Сеуле после релиза акции Samsung потеряли 3,5%, а SK Hynix — 2,2%, сообщали тогдашние публикации. 49 Затем давление распространилось на американские бумаги памяти и хранилищ: инвесторы пересматривали перспективы спроса на ИИ-инфраструктуру с учётом меньшей потребности V4.1-Flash в HBM и SSD. 5152

Это не означает, что один релиз модели был единственной причиной всех движений котировок. На сектор полупроводников одновременно влияют ожидания по отчётности, предложение, процентные ставки, общий аппетит к риску и планы технологических компаний по капитальным затратам. Но реакция показала, насколько чувствительны стали оценки ИИ-связанных компаний к признакам того, что программные и архитектурные улучшения могут уменьшать требуемое «железо» на единицу ИИ-услуги.

Второй фактор: призывы замедлить развитие передовых ИИ

Новость об эффективности DeepSeek вышла на фоне другой тревоги для рынка. Генеральный директор Anthropic Дарио Амодеи в эссе We Must Pace the Frontier предложил замедлить темп роста возможностей ИИ, чтобы у компаний и государств было время обеспечить согласование моделей с целями людей и внедрить меры безопасности. Он прямо уточнил, что «плавное замедление» не означает остановку обучения или технического прогресса. Среди предложений — постоянный доступ независимых внешних оценщиков, координация между демократическими государствами и глобальное сотрудничество. 40

Рынок мог воспринять более медленную траекторию развития возможностей ИИ — даже без заморозки обучения — как риск переноса части расходов на ускорители, сети, память и дата-центры. В день, о котором сообщали рыночные издания, фьючерсы на Nasdaq-100 снизились на 1,77%, акции Marvell потеряли более 7%, Intel — около 6%, а Micron — более 5%. 51

Это два разных сигнала:

• DeepSeek поставила вопрос об эффективности: сколько памяти и хранилища нужно на одну задачу инференса?
• Дискуссия о темпе развития поставила вопрос о сроках: как быстро индустрия будет строить и внедрять всё более мощные передовые системы?

Вместе они сделали наиболее оптимистичные прогнозы спроса на ИИ-инфраструктуру менее безусловными.

Критика Майкла Бэрри

Инвестор Майкл Бэрри назвал риторику отрасли о замедлении развития ИИ «корыстной». По его мнению, такой подход может укрепить позиции уже лидирующих лабораторий, затруднить конкуренцию, создать «хайп и пустую рекламу» для возможных IPO и одновременно прикрыть замедление роста. Он также утверждал, что большие языковые модели не являются искусственным интеллектом общего назначения (AGI), а потому замедлять в этом смысле «нечего». 14

Это оценка Бэрри относительно конкуренции, стоимости компаний и возможностей ИИ, а не установленный технический вывод. Для рынка важно другое: дебаты о замедлении стали рассматриваться не только через призму безопасности, но и через призму стимулов крупнейших игроков.

Что меняется в оптимистичном тезисе по памяти

Прежняя упрощённая версия тезиса была линейной: более крупные модели, длиннее контекст и больше пользователей ИИ должны означать больше HBM, NAND-памяти и ёмкости хранилищ. DeepSeek добавила существенную противодействующую силу — архитектурную эффективность.

Полезнее разделить спрос на две переменные:

1. Память на одну нагрузку. Эффективная работа с KV-кэшем способна её сократить.
2. Общее число и интенсивность нагрузок. Больше пользователей, более длинный контекст и автономные агенты способны её увеличить.

Снижение первого показателя само по себе не определяет второй. Более дешёвый и эффективный инференс может ускорить внедрение ИИ и увеличить общее количество запросов. Но если повышение эффективности будет распространяться быстрее, чем растёт использование, для заданного объёма ИИ-услуг может потребоваться меньше оборудования.

Почему окончательный вывод делать рано

V4.1-Flash прежде всего важна для обслуживания инференса и KV-кэша. Заявленное DeepSeek улучшение не отменяет память, нужную для весов модели или обучения. 25 Это принципиальная разница: обучение и обслуживание модели предъявляют разные требования к вычислениям, памяти и высокоскоростным соединениям.

Главная неопределённость поэтому состоит не в том, значим ли заявленный выигрыш в эффективности — он значим. Вопрос в том, изменит ли он совокупный спрос. Инвесторам предстоит следить за распространением методов экономии кэша, ростом длинноконтекстных и агентных задач, ценами на HBM и хранилища, а также за тем, сохранятся ли высокие темпы обучения и развёртывания передовых моделей.

Пока распродажу разумнее воспринимать как предупреждение против односторонней ставки на постоянный дефицит ИИ-памяти. Инновации в архитектуре моделей могут уменьшать потребность в оборудовании на один запрос так же быстро, как новые сценарии применения увеличивают число самих запросов.